今年的 Google 开发者大会，我是第二天才去参加的。
IMG_6259.JPG
准确地说，是第二天中午赶过去蹭了一顿饭。今年的饭，比去年差了很多，去年好歹是自助餐。今年只有盒饭、一瓶水、一根香蕉、一袋薯片。
第二天下午的主题基本都是 AI、AR。
在主会场，先是连着三个议题全是关于 TensorFlow Lite，由此可以看出 TensorFlow Lite 的重要性。
IMG_6261.JPG
IMG_6262.JPG
稍后的两个议题也都在强调移动端使用 Machine Learning 的优点。所以，做移动端开发的小伙伴，也不要担心失业，在未来移动端仍然大有可为。不光是 AI，还可以在移动端结合 AR。当然，这些对于从事移动端的小伙伴会有一些要求，只有跟进技术的发展才不至于被淘汰。
接下来，让我们看看 TensorFlow Lite 的优点：
IMG_6264.JPG
IMG_6266.JPG
TensorFlow 训练好的模型可以转换成 TensorFlow Lite 的格式给不同的终端使用，也可以把训练好的模型转换成 iOS Core ML 格式，这对于 iOS 的开发者非常有吸引力。
IMG_6268.JPG
TensorFlow Lite 能够支持多种硬件加速器。
IMG_6271.JPG
TensorFlow Lite 也足够的小，对于 App 的使用者基本可以忽略。
IMG_6275.JPG
我们可以尝试一些已经训练好的模型，也可以重新训练已有的模型，或者自定义模型。
IMG_6279.JPG
对于现有模型的加载并转换成 TensorFlow Lite 的格式是非常简单的，几行代码即可。
IMG_6282.JPG
对 TensorFlow Lite 未来的展望。
IMG_6299.JPG
接下来是闲鱼分享 TensorFlow Lite 在移动端的实践，非常的干货！
IMG_6301.JPG
IMG_6302.JPG
IMG_6303.JPG
以及网易有道分享了 TensorFlow Lite 在移动端的实践
IMG_6315.JPG
IMG_6316.JPG
IMG_6317.JPG
后面几场的议题，都是关于 TensorFlow 在工程上的使用以及它未来的发展。虽然，只参加了半天，对我带来的冲击力是非常大的。虽然 TensorFlow Lite 才出了一年的时间，很多大厂都在不断更进。TensorFlow Lite 的几个议题对于我也带来了很多新的思考。
通过这次大会，未来我会更多地关注 TensorFlow 和 TensorFlow Lite。
网友评论